新药是如何发现的?看这家AI初创公司如何对抗致命疾病

作者 英伟达中国

人口老龄化的加剧,以及耐药性病毒的增加,使人们饱受疾病折磨却仍无有效治疗方法。人们对新药物的需求空前高涨,然而新药上市所需的时间非常漫长,成本也居高不下。

根据美国食品药品监督管理局(FDA)的统计,研发一种新药可能需要耗资数十亿美元,且最长历时14年。FDA表示,尽管付出了如此巨大的努力,但最终只有8%的药物能够成功上市。

“我们需要在确定研发和测试潜在药物方面做出更明智的决策。”位于旧金山的初创公司Atomwise的联合创始人Abraham Heifets说道。

Atomwise是NVIDIA初创加速计划的成员。为了实现上述目标,他们正使用由GPU加速的深度学习技术来预测最有可能带来治疗效果的分子。该公司已经取得了一些成就:他们找到了有望治疗多发性硬化症和致命性埃博拉病毒的药物。

Atomwise如何寻找候选药物

研究人员首先要找出疾病的生物学致病原因(通常是某种蛋白质)以确定治疗靶标。例如,某种蛋白质可能会促进肿瘤生长或引起炎症。接下来,他们会寻找能够作用于靶标的药物,从而抑制或促进其功能。

该公司的深度学习软件AtomNet可以通过筛选上百万种可能的分子来寻找有效的治疗方式。然后,该软件会对潜在药物如何在人体内发挥作用进行模拟并分析。

这款软件可以预测出某一疗法是否对靶标起作用、对人体其他部分的影响、毒性以及其他可能产生的副作用。Atomwise使用了NVIDIA Tesla V100以及其他型号的NVIDIA GPU,以进行训练和推理。

在完成评估后,Atomwise便将候选药物交付给客户,如制药巨头Merck和顶级研究机构,包括哈佛大学丹娜法伯癌症研究院(Dana Farber Cancer Institute)、斯坦福大学和贝勒医学院。这些机构将进行进一步的研究,以确定某种化合物是否可以获得批准以用于治疗。

This simulation shows the Janus kinas 3 protein, which has been implicated in cancer and immune function. Atomwise aims to discover molecules that could be new medications for these and other diseases. Image courtesy of Atomwise.
该模拟展示的是与癌症和免疫功能有关联的Janus kinas 3蛋白。图片由Atomwise提供。

通过快速模拟分析获得洞察

Heifets指出,通过对上百万种分子进行物理测试和筛选,最终才能发现一种成为药物的分子。而通过使用AI对模拟进行分析,Atomwise帮助研究人员提高了效率,避免因合成并测试药物但最终无法成功而浪费时间。

“其他制造行业在开始生产前都会对原型进行模拟,”他补充道,“我们的目标是为制药行业带来与其他行业相同的优势。”

据Heifets称,其公司采用的方法比常用的药物化合物自动评估技术高通量筛选(high-throughput screening)快100 倍。而且效率比专注定制合成的医药化学家快一百万倍。Heifets表示,其命中率要比湿法实验室的实验(wet lab experiments)高1万倍。

Ebola virus particles (in blue) in a colorized image from a scanning electron microscope. Atomwise found what may turn into new medications for the deadly disease. Image courtesy of the National Institute of Allergy and Infectious Diseases.
扫描电镜拍摄到的彩色图像中的埃博拉病毒颗粒(蓝色)。图片由美国国家过敏和传染病研究所(National Institute of Allergy and Infectious Diseases)提供。

锁定埃博拉病毒和多发性硬化症

Atomwise已在抗击埃博拉病毒和多发性硬化症方面取得了进展,目前针对这两者均无有效的治疗方法。埃博拉病毒可引发高达90%的死亡率 ,自1976年出现以来,已夺去了成千上万人的生命。Atomwise发现了一种可能会阻止埃博拉病毒进入健康细胞的候选药物。

多发性硬化症是一种潜在的大脑和脊髓致残性疾病,根据美国国家多发性硬化症协会(National Multiple Sclerosis Society)的统计,全球约有230万人罹患此疾病。设计一种可以直达大脑的治疗方法非常困难,因为血脑屏障会阻止大多数分子进入大脑。潜在的治疗方法必须设法穿过这一障碍。

Atomwise研究了820万种分子,以找出几种有疗效的候选药物。在动物试验中,这些药物显示出有效性,并已被授权给英国的一家制药公司进行进一步研究。

“希望我们能解决难题,并最终找到可以治疗疾病的分子。”Heifets说道。

*本文主配图展示的是Atomwise的模拟药物研究,其中的神经网络可以学习识别化学官能团。图片由Atomwise提供。